인터뷰
Andrew Nassar, IC Realtime의 CTO – 인터뷰 시리즈

핵심 포인트벙커는 클라우드 의존도를 줄이고 경보 속도를 높이기 위해 로컬 NVIDIA Jetson 게이트웨이에서 핵심 AI 분석을 실행한다.
더 보기
- 벙커는 클라우드 의존도를 줄이고 경보 속도를 높이기 위해 로컬 NVIDIA Jetson 게이트웨이에서 핵심 AI 분석을 실행한다.
- 나사르는 감시가 사람을 프로파일링하기보다 사건을 설명해야 하므로 생체 인식 신원 기능 구축을 거부한다.
- 클라우드 서비스가 여전히 원격 접속과 영상 기록을 처리하므로 엣지 AI는 개인정보 보호 정책이 아니다.
Andrew Nassar는 IC Realtime의 CTO로, 아날로그 카메라에서 디지털 녹화, 원격 모니터링, AI 기반 영상 분석으로 이어지는 변화 속에서 회사를 이끄는 데 기여해 왔습니다. 감시 업계에서 20년 넘게 쌓은 경험을 바탕으로 컴퓨터 비전과 엣지 컴퓨팅의 발전을 사건을 파악하고 영상을 찾으며 보안 운영을 개선하는 실용적인 도구로 구현하는 데 주력하고 있습니다.
IC Realtime은 주거 및 상업 환경을 위한 영상 감시 시스템과 소프트웨어를 설계합니다. Bunker 플랫폼은 전용 NVIDIA Jetson 기반 게이트웨이를 통해 호환 카메라 시스템에 AI 분석 기능을 더해 상황별 알림과 자연어 영상 검색을 지원합니다. 이 플랫폼은 현장 분석과 원격 접속 및 영상 기록을 위한 클라우드 연계 서비스를 결합합니다.
아날로그 카메라에서 디지털 녹화, 원격 모니터링, 그리고 이제는 AI로 이어지는 변화 속에서 IC Realtime을 이끄는 데 기여해 오셨습니다. AI가 감시 분야를 근본적으로 바꿀 수 있다고 확신하게 된 계기는 무엇이었으며, 정교한 영상 분석을 엣지에서 실용적으로 구현할 수 있게 한 기술 발전에는 어떤 것들이 있었습니까?
저희는 수년간 카메라에 머신러닝과 컴퓨터 비전을 적용해 왔습니다. 시스템이 단순히 검토할 영상을 더 많이 생성하는 데 그치지 않고, 사용자가 사건을 파악하고 관련 영상을 찾도록 도울 수 있게 되면서 그 활용 가치가 훨씬 커졌습니다. 주택 소유자는 어떤 상황에 주의를 기울여야 하는지 알고 싶어 합니다. 기업은 몇 시간씩 검색하지 않고도 사건을 찾아내고자 합니다.
Bunker는 이러한 접근 방식을 현장에 설치하는 전용 NVIDIA Jetson 게이트웨이로 구현합니다. 핵심 분석 기능을 카메라에 더 가까이 배치하면 모든 분석 작업을 클라우드로 전송하는 데 대한 의존도를 낮추고 응답 속도를 높일 수 있습니다. 실질적인 발전은 현장 컴퓨팅과 영상을 상황별 알림 및 검색 가능한 이벤트로 바꾸는 소프트웨어를 결합한 데 있습니다.
제가 여전히 중시하는 기준은 입증된 가치입니다. 기술은 고객이 실제로 사용하는 환경에서 현실적인 문제를 해결해야 합니다. 훌륭한 시연은 그 과정의 시작일 뿐입니다.
Bunker를 예로 들어, 카메라가 사건을 포착한 순간부터 사용자가 알림을 받기까지 어떤 과정이 진행되는지 설명해 주시겠습니까? 어떤 AI 기능이 현장에서 실행되고, 어떤 기능에는 여전히 클라우드가 필요하며, 어떤 데이터가 현장 밖으로 전송됩니까?
개괄적으로 설명하면, 호환 카메라가 영상을 Bunker Gateway로 전송하고 핵심 AI 분석은 현장에 설치된 게이트웨이에서 이뤄집니다. 플랫폼은 감지된 활동을 영상 이벤트와 연결하고, 스냅샷과 알기 쉬운 설명을 포함한 상황별 알림을 보낼 수 있습니다. 그러면 사용자는 앱에서 영상을 확인할 수 있습니다.
Bunker는 하이브리드 아키텍처를 사용합니다. 클라우드 연결은 원격 접속, 구독 서비스, 영상 기록을 지원하므로 이 플랫폼이 클라우드를 전혀 사용하지 않는다거나 영상이 현장 밖으로 전혀 나가지 않는다고 말하는 것은 오해를 불러일으킬 수 있습니다. 중요한 것은 데이터가 현장 밖으로 전송될 때 어떻게 보호되는가입니다. 실시간 영상을 포함한 모든 데이터는 전송 중 암호화되며, 실시간 영상은 게이트웨이에서 시청자의 화면에 이르기까지 계속 암호화된 상태로 유지됩니다. 그 사이의 인프라는 데이터를 중계하지만 내용을 들여다볼 수는 없습니다. 각 게이트웨이는 공유 자격 증명이 아닌 자체 인증서로 인증하며, 클라우드에 저장된 영상도 암호화됩니다.
고객은 어떤 기능이 인터넷 연결에 의존하는지, 연결이 끊기면 어떻게 되는지를 포함해 이러한 데이터 흐름을 명확하게 안내받아야 합니다.
보안 카메라는 비, 어둠, 눈부심, 끊임없이 변하는 환경 속에서 작동합니다. 실제 현장에서 겪은 가장 까다로운 고장은 무엇이었으며, 놓치는 사건을 늘리지 않으면서 오경보를 줄이는 개선 효과는 어떻게 측정하십니까?
저는 이 업계에서 20년 넘게 일해 왔으며, 특히 저조도와 열악한 조건에서 카메라 기술은 비약적으로 발전했습니다. 이제는 야간이나 노이즈가 심한 영상도 주간 영상에 거의 맞먹는 선명도를 보입니다. 그래도 비, 눈부심, 안개, 눈은 AI 모델의 정확도를 떨어뜨릴 수 있습니다. 센서가 개선되어도 이런 변수까지 없어지는 것은 아닙니다.
그래서 하나의 고정된 설정에 의존하기보다 환경과 시간대의 변화에 맞춰 조정되는 동적 접근 방식을 택했습니다. 지난 2년간 개발하면서 카메라를 실험대에 올려놓고 시험하는 데 그치지 않고 실제 설치 환경에서 수천 시간을 테스트했으며, 현장 적용을 통해 얻은 교훈을 바탕으로 시스템을 구축했습니다.
알림 수가 줄었다는 이유만으로 개선 여부를 판단하지는 않을 것입니다. 중요한 것은 불필요한 알림을 줄이면서도 중요한 사건을 계속 포착하는가입니다. 잡음을 줄이는 일은 중요한 일이 발생했을 때도 시스템이 유용하게 작동할 때에만 가치가 있습니다.
사람이나 차량을 감지하는 것과 그 행동이 우려할 만하다고 판단하는 것은 다릅니다. 이상 징후를 어떻게 정의하고, 장소마다 그 정의를 어떻게 조정하며, 시스템이 무해한 활동을 위협으로 여기지 않도록 어떻게 방지하십니까?
물체가 감지됐다는 사실만으로 문제가 있는지는 알 수 없습니다. 현관 앞 배송과 출입 제한 구역에서의 활동은 같은 종류의 물체가 관련되더라도 전혀 다른 대응이 필요할 수 있습니다. 출발점은 고객의 사용 목적과 해당 장소의 구체적인 상황이어야 합니다.
검토할 만한 사건과 누군가를 위협으로 단정하는 것은 구분해야 합니다. 시스템은 무엇이 관찰되었고 해당 내용이 왜 표시되었는지 사용자가 이해할 수 있도록 돕고, 원본 영상도 확인할 수 있게 해야 합니다. 낯선 활동을 모두 잘못의 증거로 여기도록 사용자를 부추겨서는 안 됩니다.
이러한 시스템의 기능이 향상될수록 AI가 알고 있는 내용을 과장하지 않으면서 그 맥락을 유용하게 전달하는 일이 중요해집니다. 특히 알림이 중대한 조치로 이어질 수 있는 경우에는 사람의 판단이 여전히 중요합니다.
자연어 검색은 몇 시간씩 걸리던 수동 영상 검토를 대신할 수 있다고 합니다. 시스템은 사용자의 설명을 어떻게 적절한 영상과 연결하며, 놓친 사건이나 잘못된 일치 결과, 또는 영상으로 뒷받침되지 않는 AI 생성 설명이 있는지 어떻게 테스트하나요?
사람이 평소에 쓰는 말로 영상을 검색할 수 있게 하는 것이 기본 개념입니다. 활동이 감지되면 Bunker는 영상 속 사건과 연결된 타임스탬프 포함 설명을 생성합니다. 사용자의 질문으로 색인화된 기록을 검색해 관련 영상을 찾아 보여줍니다. 따라서 사용자는 녹화 영상 전체를 일일이 살펴보지 않고도 검색을 시작할 단서를 얻을 수 있습니다.
결과를 확인할 때는 영상이 근거가 되어야 합니다. 생성된 설명은 영상 탐색에 유용하지만, 카메라에 실제로 담긴 내용보다 더 권위 있는 정보로 여겨서는 안 됩니다.
테스트할 때는 세 가지 질문을 구분해야 합니다. 시스템이 관련 사건을 놓쳤는가? 요청과 일치하지 않는 내용을 찾아냈는가? 영상으로 뒷받침되지 않는 내용이 설명에 포함되었는가? 이들은 서로 다른 실패 유형입니다. 검색 결과가 그럴듯해 보이는지만 평가해서는 충분하지 않습니다.
NVIDIA Jetson 하드웨어는 모델 크기, 정확도, 전력 소비량, 분석할 수 있는 카메라 영상 수에 어떤 제약을 가하나요? 구형 타사 카메라를 사용하거나 처리 용량에 도달했을 때, 또는 인터넷 연결이 끊겼을 때도 안정적인 성능을 어떻게 유지하나요?
설계에서 중요한 점은 해당 시설에서 이용할 수 있는 자원으로 유용한 분석을 제공하는 방법입니다. 모델의 복잡도, 처리할 영상의 양, 필요한 응답 시간은 모두 게이트웨이의 작동 한도에 맞아야 합니다. 따라서 지원되는 스트림 수만으로는 전체 성능을 알 수 없습니다.
Bunker의 출시 계획은 카메라 스트림을 최대 10개까지 지원합니다. ONVIF 호환 카메라를 사용하면 고객은 기존 장비를 계속 쓸 수 있지만, 설치할 때마다 호환성을 확인해야 합니다. 프로파일, 펌웨어, 화질, 사용하려는 기능이 모두 중요합니다.
복원력에 대해서도 정확히 짚고 넘어가야 합니다. 로컬 처리와 클라우드 연결 서비스는 시스템의 서로 다른 구성 요소이며, 엣지 게이트웨이가 있다고 해서 인터넷이 끊겨도 모든 기능이 정상적으로 작동하는 것은 아닙니다. 업데이트도 안정성의 일부입니다. 모든 업데이트는 설치 전에 게이트웨이에서 서명과 무결성을 확인하며, 취약한 구버전은 거부하고, 업데이트에 실패하면 자동으로 이전 버전으로 되돌립니다. 잘못된 업데이트 때문에 시설의 보안 시스템이 중단되어서는 안 됩니다.
로컬 추론만으로 모든 개인정보 보호 문제에 답할 수는 없습니다. Bunker는 영상, 검색어, AI 생성 메타데이터를 어디에 저장하고, 얼마나 오래 보관하며, 누가 접근할 수 있나요? 고객의 비공개 영상에 접근할 수 있다고 가정하지 않고도 모델을 어떻게 개선하나요?
동의합니다. ‘엣지 AI’만으로는 완전한 개인정보 보호 정책이 되지 않습니다. 고객은 영상뿐 아니라 검색어와 생성된 설명까지 포함해 데이터가 어디로 전송되는지, 무엇이 보관되는지, 누가 접근할 수 있는지 알아야 합니다.
영상과 서비스를 뒷받침하는 데이터베이스는 저장된 상태에서 암호화됩니다. 비밀번호는 해시 처리되고 세션은 만료되므로, 데이터베이스가 유출되더라도 유효한 로그인 정보를 얻을 수는 없습니다. 게이트웨이 자체도 암호화되어 있어 기기를 도난당해도 영상이나 인증 정보를 빼낼 수 없습니다. Bunker의 출시 당시 제공 사항에는 Standard의 60일 클라우드 영상 기록과 Premium의 365일 클라우드 영상 기록이 포함되었으며, 고객이 저장하기로 선택한 클립을 보관하는 Video Vault도 제공되었습니다.
고객 영상을 모델 학습에 사용하지 않으며, 카메라에 포착된 사람의 생체 정보를 바탕으로 템플릿을 만들지도 않습니다. 고객이 제품을 사용한다고 해서 고객의 비공개 영상을 재사용해도 된다는 뜻은 아닙니다.
Flock Safety를 둘러싼 논란으로 감시 데이터 검색 권한을 누가 갖는지, 접근 권한이 적절히 회수되는지에 대한 의문이 제기되었습니다. 귀사의 구축 방식은 다르지만, 이 사례에서 어떤 교훈을 얻을 수 있으며 어떤 보호 장치는 선택 사항이 아니라 필수로 두어야 하나요?
Flock을 향한 반발은 사실 AI에 관한 것이 아닙니다. 누가 시스템에 들어가 데이터를 검색할 수 있는지에 관한 문제입니다. 많은 비판은 계정 보안에 집중됐으며, 여기에는 다중 인증이 왜 의무 사항이 아니냐고 묻는 의원들의 목소리도 포함됐습니다. 도난당한 비밀번호만으로 감시 시스템을 검색할 수 있다면 모델이 어디에서 실행되는지는 중요하지 않습니다.
Bunker에서는 시스템 소유자가 접근 권한을 부여한 사용자만 해당 시스템의 데이터에 접근할 수 있습니다. 데이터를 제삼자와 공유하지 않고, 고객 데이터를 모델 학습에 사용하지 않으며, 생체 정보 템플릿도 만들지 않습니다.
보안은 기기에서 시작해 계정까지 이어져야 합니다. Bunker 게이트웨이에는 각각 고유한 암호화 ID가 있어 변경해야 할 기본 비밀번호가 없으며, 공격자가 알아내 악용할 비밀번호도 없습니다. 부팅할 때마다 펌웨어를 검증하고, 업데이트는 설치 전에 서명 여부를 확인하고 검증하며, 로그인은 다중 인증으로 보호합니다. 또한 더 이상 필요하지 않은 접근 권한은 신속히 회수해야 하며, 민감한 활동은 감사할 수 있는 기록으로 남겨야 합니다. 신뢰를 얻으려면 누가 무엇을 했는지 설명할 수 있어야 합니다.
카메라에 포착되는 사람은 그 카메라를 구매한 사람이 아닌 경우가 많습니다. AI 감시 시스템은 이웃과 직원, 방문객, 행인의 사생활을 어떻게 보호해야 하며, 의도적으로 개발하지 않기로 할 기능도 있나요?
설치 목적을 명확히 정하고, 그 목적에 따라 무엇을 포착하고 분석할지, 누가 결과를 볼 수 있을지를 결정해야 합니다. 출입구를 안전하게 지키고 싶다고 해서 이웃 부지에서 일어나는 모든 활동까지 검색 가능한 기록으로 남겨야 하는 것은 아닙니다.
우리가 정한 한계 중 하나는 신원 확인입니다. Bunker는 생체 인식 템플릿을 만들지 않으며, 감지된 사람의 신원도 파악하지 않습니다. 누군가가 누구인지를 밝히는 대신 무슨 일이 있었는지를 설명합니다. 이를 통해 시스템은 사람을 추적하거나 프로파일링하는 것이 아니라 사건에 집중할 수 있습니다.
기능이 많다고 해서 반드시 가치가 커지는 것은 아닙니다. 명확한 고객 문제를 해결하지 않으면서 신뢰에 심각한 문제를 일으키는 기능이라면 개발하지 않는 것이 옳습니다.
앞으로 3~5년을 내다볼 때, 엣지 AI가 오늘날의 탐지와 검색을 넘어 가능하게 할 의미 있는 기능은 무엇이라고 보시나요? 그리고 널리 보급되기 전에 해결해야 할 기술적 과제나 신뢰 문제는 무엇인가요?
솔직히 지금 AI의 미래는 미지의 영역이며, 제가 경력 전반에 걸쳐 본 어떤 변화보다도 빠르게 움직이고 있습니다. 우리는 거의 매일 이러한 변화를 살펴보며, 우리 플랫폼을 사용하는 사람들에게 실질적인 도움이 될 수 있는 분야를 찾고 있습니다.
우리에게 가장 중요한 분야는 맥락 파악과 이해, 그리고 지속적으로 학습하고 개선되는 시스템입니다. 각각의 알림을 따로 조합해 상황을 파악하는 대신, 진행 중인 상황을 이해하고 무엇에 주의를 기울여야 할지 결정하도록 돕는 데 가치가 있습니다.
기술적으로는 환경이 변하고 현장 하드웨어에 한계가 있는 상황에서도 이를 안정적으로 구현해야 합니다. 신뢰 측면에서는 시스템의 한계와 데이터 처리 방식을 쉽게 이해할 수 있도록 해야 합니다. 사람들은 시스템이 무엇을 관찰했고 무엇을 추론했는지, 또 언제 사람이 직접 판단해야 하는지 알아야 합니다.
멋진 인터뷰에 감사드립니다. 전문 보안 카메라와 녹화 장비, AI 기반 영상 감시 시스템을 살펴보고 싶은 독자라면 IC Realtime을 방문해 보세요.












